基于遗传算法的高维离群点检测算法的改进

离群点检测在欺诈检测、网络鲁棒性分析和入侵检测等领域有着重要的应用。Aggarwal和Yu提出的基于子空间投影和遗传算法(GA)的离群点检测方法是处理高维数据的一个有效方法。由于该算法的交叉重组过程采用贪心策略选择子串,并且随着变异概率的改变可能导致发现不了一些有意义的离群数据。文中对该算法的交叉过程和变异过程进行改进,提出一种改进的算法,提高了检测的精度并且不受变异概率改变的影响。

高维空间数据的一种异常检测方法研究

就布尔型的高维数据提出了一种异常检测方法,通过定义反映数据稀疏程度的覆盖系数,搜索其低维子空间里的异常模式来检测异常。该方法使用遗传算法来优化搜索过程,并取得了较好的结果。